BAB X PENGUKURAN TRAFIK

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2. Tinjauan Teoritis

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB 5. ANALISIS REGRESI DAN KORELASI

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

TINJAUAN PUSTAKA Evaluasi Pengajaran

POLIGON TERBUKA TERIKAT SEMPURNA

2.2.3 Ukuran Dispersi

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB 2 LANDASAN TEORI

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Regresi Linier Sederhana Definisi Pengaruh

Regresi & Korelasi Linier Sederhana

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

XI. ANALISIS REGRESI KORELASI

REGRESI & KORELASI LINIER SEDERHANA

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB II TINJAUAN PUSTAKA

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

REGRESI & KORELASI LINIER SEDERHANA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Uji Statistika yangb digunakan dikaitan dengan jenis data

Analisis Korelasi dan Regresi

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

BAB III PERSAMAAN PANAS DIMENSI SATU

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

REGRESI SEDERHANA Regresi

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB III UKURAN PEMUSATAN DATA

S2 MP Oleh ; N. Setyaningsih

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

REGRESI LINIER SEDERHANA

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

UKURAN GEJALA PUSAT (UGP)

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

; θ ) dengan parameter θ,

3.1 Biaya Investasi Pipa

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

PEMBELAJARAN 4 ANALISIS REGRESI KORELASI

BAB II LANDASAN TEORI

SOLUSI TUGAS I HIMPUNAN

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

8. MENGANALISIS HASIL EVALUASI

b) Untuk data berfrekuensi fixi Data (Xi)

Bab II Teori Pendukung

3 Departemen Statistika FMIPA IPB

REGRESI DAN INTERPOLASI

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms)

BAB 1 ERROR PERHITUNGAN NUMERIK

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB II LANDASAN TEORI

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

Muniya Alteza

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

ek SIPIL MESIN ARSITEKTUR ELEKTRO

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

BAB V ANALISIS HIDROLOGI

Transkripsi:

97 BAB X PENGUKURAN TRAFIK. Kovers carred traffc ke offered traffc Dalam pegukura yag tdak memaka computer, trafk yag dtawarka (A) tdak segera ddapat. Yag dukur adalah trafk yag dolah (Y) sedagka trafk yag dtawarka harus dhtug berdasarka trafk yag dolah hasl pegukura. Offered Traffc (A) palg sedkt utuk dua tujua, yatu : Perecaaa jarga Evaluas jarga Dasar metode kovers mudah dmegert, tetap serg dapat membulka frustas bag staf bdag trafk dalam megtrepretaska haslya. Kesulta-kesulta tersebut dapat dlhat lebh jelas pada uraa berkut : Rumus umum carred traffc adalah : Y A( EN ( A)) Dmaa E N (A) GOS, merupaka fugs dar A da jumlah salura dalam berkas. Utuk berkas sempura da offered traffc adalah radom (posso), E N (A) memeuh rumus erlag sebaga berkut : E( A) A! A! terlhat jelas bahwa meyataka A secara explct sebaga fugs dar Y da tdak dapat dbuat sehgga peyelesaaya harus dlakuka dega metode teras. Bayak cara tekk peyelesaa tetap yag palg sederhaa adalah pemakaa cara recursve sbb : Y A( + ) E ( A () ) utuk,,,.. [.] N dega A sebaga harga permulaa dar A yag dalam hal dambl harga A Y. proses teras berlagsug sampa beda atara A yag berturuta cukup kecl. Seatu hasl yag tpkal : utuk berkas dega 5 salura da hasl pegukura Y,5 erlag dapat dlhat d table berkut : Table. : kovers carred trafk ke offered trafk Iteras ke Trafk 3 4 5 Y.5 erlag pada 5 salura A ().5..6... Kogest (GOS) E [A () ].47.593.68.639.644.644 Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

98 Cara teras tersebut sederhaa tetap kovergesya agak lamba. Cara yag laya, msalya cara Newto mempuya koverges yag lebh cepat. Utuk cotoh kasus yag sama dperluka haya tga lagkah (3 buka 5). Sampa sedemka jauh, kelhataya tdak ada masalah bag staf trafk, tetap hal tersebut tdaklah bear karea beberapa sebab :. tdak tepatya jumlah salura jumlah salura yag dguaka dalam perhtuga kovers serg kal salah (tdak tepat) karea adaya salura yag rusak dalam berkas tdak selalu dapat dketahu dega jelas pada waktu pegukura atau adaya salurasalura yag d block /dlepas selama waktu pegukura tapa dbertahuka kepada tm pegukur, sedagka hasl kovers dapat sagat krts tergatug dar ketepata jumlah salura tersebut.. kepekaa model terhadap kesalaha carred trafk bla beba salura besar perubaha atau kesalaha harga yag kecl pada carred trafk memberka perubaha yag besar pada harga offered trafk sehgga kesalaha ukur yag kecl pada harga carred traffc aka memberka kesalaha yag besar pada harga offered traffc. (beba yag besar tersebut basaya terdapat pada drect route atau hgh usage route atau pada berkas yag drecaaka secara salah/terlalu sedkt. Hal dapat dlhat pada table berkut: Tabel.: beberapa pegukura pada berkas salura yag terdr atas salura Carred traffc (Y) terukur Offered traffc (A) (radom traffc) 4. 6. 8. 9. 9.5 5.6 9.7 4. 6.34.47 6.5 7.5 3.34* 4.83* 6% 9.8 9.9 57.65 7.8 Terlhat bahwa bla beba muata mecapa 8-9%, harga offered traffc megkat dega tajam. Keaka % dalam carred traffc dar 9,6 ke 9,7 meghaslka perubaha (keaka) sebesar 6% dalam offered traffc. 3. probabltas pegulaga paggla tak dketahu probabltas bahwa suatu paggla yag tdak berhasl aka megulag, tdak dketahu. Yag dketahu hayalah : bla GOS besar, probabltas pegulaga paggla juga besar da sebalkya. Hal meyultka pula utuk medapatka harga offered trafk yag sebearya. Jad offered trafk hasl kovers merupaka jumlah offered traffc Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

99 yag sebearya da offered traffc yag tmbul karea pegulaga paggla dalam hal tak dketahu besarya. System pegulaga paggla dapat dmodelka sebaga berkut : Bla : offered traffc yag pertama kal (offered traffc yag sebearya dtawarka ke salura adalah A paggla yag tak berhasl puya probabltas megulag sebesar: m jumlah rata-rata percobaa pemaggla per paggla adalah : p probabltas blockg (GOS) adalah B maka B E (Ap) Y Ap( B) p ( Bm) [.] sehgga utuk medapatka offered traffc yag sebearya dapat dhtug sebaga berkut : car harga Ap dega cara kovers yag basa htug harga offered traffc yag sebearya A dega meetuka harga probabltas megulag m, maka Y ( Bm) A [.3] ( B) table berkut meggambarka suatu cotoh hasl perhtuga : table.3 cotoh hasl perhtuga : Prob megulag m Offerered trafk A. 5.. 5.9. 5.8.3 5.7.4 5.6.5 5.5. 5. Y5. erlag, N salura Prob megulag M....3.4.5. Offered traffc A 6.5 5.77 5. 4.6 3.5.76 9. Perlu dperhatka bahwa hasl yag ddapat dega adaya kesulta-kesulta tersebut, kemugka salah cukup besar. Hal buka karea kesalaha perhtuga computer tetap lebh kepada kesalaha peetua asums hargaharga yag tak dketahu (ms:m). Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

Utuk medapatka harga yag medekat kebeara dperluka pegalamapegalama praktek sebaga petujukya. 9. Pegulaga Paggla Bla : m probabltas bahwa suatu paggla yag tak perhasl aka megulag p jumlah paggla rata-rata yag dbuat oleh pemaggl B probabltas bahwa paggla d block Maka Perstwa-perstwa yag terjad adalah : Tabel.4: Perstwa pegulaga Paggla ke. Perstwa Lalu berhet Pagla pertama berhasl atau paggla tdak berhasl da megulag (pagla pertama tak berhasl da megulag da paggla kedua berhasl ) atau (paggla pertama tak berhasl da megulag da tak berhasl tap tak megulag) 3 Paggla pertama tak berhasl da megulag da paggla kedua tak berhasl da megulag (da paggla ketga berhasl atau tak berhasl tap tak megulag). Sampa dega paggla. ke : x- tak berhasl da. selalu megulag da x paggla ke : x (berhasl atau tak berhasl tap tak megulag Probabltas (-Bm). + B(-m) - B.m Bm(-B). + BmB(-m) Bm B.m Bm(-Bm) (Bm).(-B). + (Bm).B(-m) (Bm).(Bm) 3 (Bm). (-Bm) (Bm) x-.(-b). + (Bm) x-.b(-m) (Bm) x-.(bm) x (Bm) x-. (-Bm) Jad : jumlah percobaa rata-rataya : p ( Bm).( Bm) ( Bm) [.4] Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

sedagka: y Ap( B) sehgga Y ( Bm) A [.5] ( B) 9.3 Dasar prakraa da pegukura Beberapa metode prakraa Sumber trafk adalah pelagga. Prakraa jumlah pelagga (satua sambuga merupaka kegata yag petg karea hasl hasl prakraa merupaka acua dalam membagu saraa telekomukasya. Prakraa jumlah satua sambuga (pelagga) terdapat 4 kelompok metoda prakraa.. Statstcal demad aalyss (aalss regres) Asums : perkembaga suatu besara tertetu megkut suatu pola tertetu. Msalya jumlah pelagga tergatug atas jumlah peduduk, stadard kehdupa, perkembaga ekoom da la-la. Bla beberapa varable mempuya relas yag alar pada perkembaga telepo. tred method (kecederuga tre ler, ekspoesal, dll) suatu kuattas yag dambl dar hasl pegamata dalam suatu waktu ser (tme seres) dapat megkut suatu pola tertetu da dcar perkembagaya utuk waktu yag aka datag yatu memperkraka kecederuga perkembagaya utuk waktu yag aka datag. 3. dvdual judgmet prakraa ddasarka pada pegalama da formas yag telah dkumpulka: factor peetras suatu kelompok tem tertetu, ms hotel, pabrk, perumaha prbad dll 4. metode yag laya aalss komparas, movg average, expoetal smootg. Pejelasa lebh lajut. 9.3. Statstcal demad aalyss (aalss regres) perkembaga jumlah pelagga telepo daggap megkut suatu pola tertetu, ms jumlah peduduk da tgkat atau derajat kehdupa (lvg stadart) beberapa varable (varable yag mejelaska) dapat dpaka utuk mejelaska perkembaga telepo. Kata erat (korelas tgg) dega perkembaga jumlah pelagga telepo adalah: jumlah peduduk bla jumlah peduduk ak, permtaa aka jumlah pelagga juga ak Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

tgkat kehdupa (lvg stadard atau tgkat ekoom) bla GDP per kapta ak, maka permtaa jumlah pelagga (salura) telepo juga ak. Tgkat kehdupa juga tercerm msalya dega kegata pembagua pergeduga ( jumlah perkatora, swalaya dll) harga atau baya Baya yag harus dbaya oleh pelagga utuk ms: mejad pelagga, laggaa per bula, pemakaa (bayakya pulsa). Bla harga utuk ak basaya permtaa jumlah pelaga aka turu. Varable yg mejelaska yag maa yag dplh utuk memprakraka jumlah permtaa pelagga telepo tergatug atas adaya atau ketersedaa prakraa yag adal utuk yag aka datag dar varable-varabel tersebut. Sela tu juga atar varable-varabel yag mejelaska harus puya korelas yag redah. Varable yg mejelaska yag sserg dpaka adalah: perkembaga jumlah peduduk da ekoom. 9.3... Model Regres (a). Model Regres Tuggal pada model, daggap varable yag djelaska merupaka fugs ler dar satu varable yag mejelaska. Msalya terdapat pasag hasl pegamata (pada waktu-waktu yag lalu) dar harga varable yag mejelaska da yag djelaska : (X,Y ),(X,Y ),..(X,Y). Dapat dbuat kurvaya sbb: Y Y Ya+bX(fugs pedekata) smpaga (devas) Y - Y hasl pegamata X X Gambar.: kurva Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

3 Dusahaka utuk: meetuka tpe kurvaya (ler atau yag laya) plh kurva yag palg bak (yag memberka memberka kesalaha yag palg kecl) dar pegmata tersebut dapat dplh kurva ler. Kurva yag palg bak dpat dpaka krteraa: jumlah kuadrat smpaga terkecl. ˆ terkecl [.6] Jad S ( Y Y ) ( Y a bx) S A da b harus dcar, maka a S da b Dperoleh hasl : b XY ( X) X X Y [.7] da a Y bx [.8] utuk memerksa kualtas kurva gars lurus yag dhaslka tsb adalah dega koefse korelas r dmaa koefse determas r : r ( Y ˆ Y ) ( Y Y ) Varas yg djelaska var as total [.9] harga r terletak atara [-,+]. bla r, meujukka tdak ada korelasya, dega perkataa la : gars lurus tdak dapat mewakl hubuga atara Y da X. bla varable yag mejelaska lebh dar satu, model regres mejad: model regres jamak. (b). Model Regres Jamak persamaaya dapat dtuls SBB: Y a + b X + b X + b X... [.] 3 3 + Dalam hal, metode yag dpaka basaya dega metode teratve. Dega lagkalagkah sebaga berkut:. lagkah plh beberapa factor yag mugk mejad varable yag mejelaska X,X,.X, dmaa puya prakraa yag bak (adal) Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

4. lagkah htug koefse korelas atara varable yag aka dprakraka (Y) da setap varable yag mejelaska (X,X, X) 3. lagkah 3 plh varable yag mejelaska yag mempuya koefse korelas yag palg tgg dega Y (varable yag djelaska atau yag dprakraka) 4. lagkah 4 msalka varable X yag terplh, maka buat regras pertama dega X Ya +b X da htug koefse a da b (dega rumus.9). subscrpt pada a da b berart hasl teras ke ( berbeda art dar a dab b yag dpaka pada rumus.) 5. lagkah 5 htug resdu : r Y ( a + b ) X 6. lagkah 6 htug koefse korelas atara r dega setap varable yag mejelaska yag laya yag belum terplh, dalam cotoh X,X 3,.X 7. lagkah 7 plh varable yag mejelaska yag mempuya koefse korelas yag pelg tgg dega r hasl perhtuga lagkah 6 8. lagkah 8 msalka varable X yag terplh, maka buat regres yag kedua: r +a +b X da htug a da b (dega rumus.9) 9. lagkah 9 hasl regres pertama da kedua memberka: ( a + b X ) + r ( a + b X ) + ( a + b X ) ( a + a ) + b X b... Y + X. lagkah htug resdu r Y [( a + a ) + b X + b ] X. lagkah htug koefse korelas atara r dega setap varable yag mejelaska laya yag sampa sekarag belum terplh, yag dalam hal X 3,X 4, X. lagkah teruska dega usaha ke 3 da dlajutka dega cara yag sama selama resdu yag dhtug tdak terlalu kecl. Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

5 Catata: Cara meghtug koefse korelas: ( Y X ) R D [.] G H dmaa : D X Y X G H Y ( Y ) ( Y ) ( X ) ( X ) 9.3.. Movg Averages da Expoetal Smoothg Dalam movg average persamaa-persamaaya dapat secara cepat dperbaharu. Salah satu keutuga terhadap cara regres adalah bahwa dmugkkaya memberka bobot lebh pada data yag lebh baru darpada memperlakuka pada semua data dega bobot yag sama (data yag lebh baru lebh berpegaruh/petg dar pada data yag lama). Movg average juga memmumka data yag dsmpa (data storage). Lebh dar tu, movg average mampu meggarap lagsug masalah korelas seral. Tetap keruga yag pokok dalam metode movg average da expoetal smoothg adalah bahwa asumsya: pola atau kecederuga yag lalu aka berlajut terus pada waktu yag aka datag. Oleh karea tu yag memprakraka harus mampu meetuka sebab-sebab terjadya perubaha pola. Movg average yag sederhaa. Terdapat data sbb: Tabel.5: 3 4 5 6 Perode t Demad Xt ( ut) Mt () N5 Mt() N Mt() N5 Mt() N 5 45 3 56 4 65 5 49 53 6 66 56. 7 66 6.4 8 77 64.6 9 67 65 59.84 8 7.4 6. 63.5 7 7. 64. 66.7 86 76. 68.3 69.88 3 6 73. 68.9 7.6 4 97 79. 7. 74.44 67.4 5 68 76.6 74 75.48 69.5 6 58 74. 73. 75.88 7.3 Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

6 7 88 74.6 75.4 75.56 7.7 8 86 79.4 76.3 76.8 74. 9 85 77 78. 76.36 75.4 93 8 79.3 77.44 76.46 87 87.8 8 8.6 78. 89 88 8.3 8.84 79. 3 79 86.6 83 84.8 8.54 4 88 87. 8. 86.3 8.34 5 9 86.6 84.3 87.4 8.34 Terdapat relas (persamaa-persamaa): Harga rata-rata N data terakhr. Msalya N5: M M () 5 () t 5 + 45 + 56 + 65 + 49 53 5 X t + X t + X t +... + X t N N + M () t + X t X N t N [.] () () X 6 X 66 5 jad M 6 M 5 + 53 + 56, 5 5 sedagka utuk yag double movg averages (movg average terhadap M t () ): () () () ( ) M t + M t +... + M t N +! M t [.3] N dalam table d atas (dega N5), mula terdapat harga pada ttk t9. Bla dhtug : M () 9 65 + 64,6 + 64,4 + 56, + 53 59,84 N dapat dhtug utuk harga-harga pada ttk t yag laya (selajutya). () () Bak M t maupu M t buka prakraa. prakraaya dalam betuk : Y at + bt. T [.4] dmaa : at () () M t M t [.5] Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom

7 () () ( M t M t ) bt N [.6] T: jumlah perode waktu t Jad kalau mau memprakraka harga pada t, msalya t3 (jad T5), maka: Y.,8 98,5 + 5 (,8 98,5 ).5 7,8 +,4.(5) 7, 78 setelah jumlah pelagga dapat dprakraka maka lagkah berkutya adalah memprakraka besarya trafk. Pedmesa jarga baru dapat dlakuka bla besarya trafk sudah dapat dprakraka. Sofa Nag Hertaa Sekolah Tgg Tekolog Telkom